基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

基于民机维修文本数据的故障诊断方法

在民航检修与维护过程中积累了大量蕴含丰富故障特征的文本维修记录，然而由于维修文本本身存在复杂性，其还未实现智能诊断，数据利用率低。提出一种不断修正迭代的基于预训练语言模型双向转换器编码表示（BERT）及轻量级梯度提升机（LightGBM）的飞机维修记录的故障原因分析方法，求解文本形式的维修记录中的故障原因，用以辅助维修人员进行正确的维修决策。首先，在基于BERT的故障诊断模型Transformer特征提取架构中引入多头注意力机制，以充分捕捉融合上下文的双向语义、更加关注于重点词汇；其次，为了提高诊断速度减少模型的参数并融合LightGBM模型来实现维修文本的故障原因分类；最后，将改进的模型与其他常用文本分析模型进行对比实验，在基于民机维修文本的故障诊断中该模型的准确率比TextCNN模型、LSTM模型和BiLSTM模型分别提升了38.99%、22.98%和18.16%，且BERT-LightGBM模型比BERT模型诊断速度提升了0.91%。表明所提方法在实现飞机维修文本故障诊断方面的有效性及优越性。     

流动阻力及能量损失对注射成型制件的影响

本文分析了在塑料熔体充满型腔的过程中，流动阻力及能量损失产生的形式和物理原因，进而讨论了对塑料制件成型及凝固过程中的影响。并提出降低影响的措施。     

关注天外不速之客

１６世纪法国预言家诺查丹玛斯曾预言，１９９９年行星出现“十字架”排列时，人类将面临大劫难———８月１８日将是世界末日。而今已进入２００２年，火红的太阳每日依旧从东方升起，人类和地球安然无恙。事实证明，预言和神话不是科学。日食、月食、彗星、流星雨等天文现象均属正常现象，不会对人类构成危害，只有小天体撞击地球才真正是人类应该防范的潜在威胁。１９９８年３月１２日，美国一天文学家报告：在未来３０年内，将有一颗彗星与地球相撞。虽然科学家后来经过反复计算否定了这一可能，但这个消息仍然震惊了世界。１９９９年８…     

控制一天节奏的生理钟

我们每天的睡眠、工作、吃东西等活动，是跟随一个24小时的循环来完成的。而很多动物的生理活动，也都是受这个24小时的循环支配。科学家相信，我们身体内的生理钟，和其他哺乳动物一样，是受太阳光影响的。     

航空工业发展中存在的问题与对策——以河南省为例

重视发展战略、重视国内市场、重视技术创新以及重视对外合作是航空工业发达国家发展航空工业的主要经验.我国航空工业目前存在着企业规模小、布局分散、"软实力"不足、产品多属民品、科研体制存在弊端等问题.加速我国航空工业的发展,需要制定长远的发展规划,以市场为导向,加大结构调整力度,进行一系列的体制机制创新以及重视现有航空产品的改进改型,广泛进行国际国内合作,等等.     

中小外贸企业经营机制创新分析

经营机制创新是中小型外贸企业摆脱困境的必由之路。针对目前面临的主要问题，从外部环境及企业自身经营机制缺陷方面对中小型外贸企业生存环境进行分析，并从实现经营机制创新角度探讨改善现状的方法，力图找出中小型外贸企业经营机制创新的突破点。     

浅谈机场网络安全机制的建设

网络信息安全是一个关系到机场正常运行的重要问题，随着机场规模的扩大，信息量的快速增加，面对新的网络安全形势的需要，机场网络安全在不断地更新发展，以提供更加高速、系统、功能多样化的安全保障。     

HML系统在商店偏好决策模型中的应用研究

对混合式机器学习系统（HML）进行了全面系统的介绍，并将其运用于服装消费商店偏好决策行为的研究中。采用上海统计局家庭调查网络，对300户家庭进行抽样分析后发现，服装消费商店偏好的主要影响因素是地区、季节、丈夫和妻子的学历、职业以及子女性别。在此基础上，将HML分析所得的结论与传统的研究方法和结果进行了系统比较：从方法上来看，因为属性变量包含间断变量和连续变量两种，因此传统统计分析要运用两种不同的检测方法对影响因素的相关性作出判断，结果需要经过统计学分析，才能得到结论；而HML分析结果比较直观和简单，便于理解。